Fast Hamiltonian engineering from cut polytope geometry

Les ordinateurs quantiques promettent de résoudre des problèmes impossibles pour les machines d'aujourd'hui, mais ils sont notoirement fragiles. Pour les rendre utiles, les scientifiques doivent simuler le comportement de systèmes quantiques complexes, tels que des molécules ou de nouveaux matériaux, en programmant un dispositif quantique pour qu'il agisse comme le système qu'ils souhaitent étudier. Ce processus, connu sous le nom d'ingénierie de l'Hamiltonien, consiste à prendre une machine native qui exécute naturellement certaines interactions et à façonner son comportement avec une série d'impulsions de contrôle pour imiter une interaction différente et désirée. Le défi est que ces impulsions de contrôle prennent du temps pour s'exécuter, et plus un système quantique est actif, plus il est susceptible de perdre son état quantique délicat à cause du bruit et des erreurs. Par conséquent, l'objectif le plus critique est de trouver la séquence d'impulsions la plus rapide possible qui réalise la simulation souhaitée, minimisant ainsi le temps pendant lequel la machine est exposée à l'environnement.

Une équipe de chercheurs a développé une nouvelle méthode unifiée pour trouver ces séquences d'impulsions optimales pour une grande variété de systèmes quantiques, incluant ceux composés de qubits, de qudits de dimension supérieure et de fermions. En traitant le problème comme un puzzle géométrique impliquant des formes dans un espace de haute dimension, ils ont créé des algorithmes qui génèrent des impulsions de contrôle spécifiquement adaptées au système et à la simulation cible. Leur approche trouve systématiquement des solutions qui sont presque aussi rapides que le meilleur possible théorique, surpassant de manière significative les méthodes précédentes qui reposaient sur le tâtonnement aléatoire. Dans des tests sur des modèles complexes, leur technique a réduit le temps requis à un niveau qui ne croît pas avec la taille du système, alors que les anciennes méthodes devenaient plus lentes à mesure que le système grandissait.

Le cœur du problème réside dans la manière dont les systèmes quantiques interagissent. Imaginez un dispositif quantique qui permet naturellement aux particules d'interagir d'une certaine manière, mais un scientifique souhaite simuler un autre type d'interaction. Pour combler cet écart, le scientifique applique des couches d'opérations de contrôle, ou impulsions, qui tordent l'état du système. Le but est de trouver la bonne combinaison de ces torsions afin que le système se comporte effectivement comme s'il suivait les nouvelles règles. Les chercheurs ont réalisé que pour de nombreux types importants de systèmes quantiques, la relation entre les interactions naturelles et les impulsions de contrôle suit une règle simple : les impulsions ne changent l'interaction que par un déphasage spécifique, comme tourner un cadran vers un angle précis. Cette observation leur a permis de traduire la tâche complexe de la recherche des meilleures impulsions en une question de géométrie.

Ils ont visualisé le problème comme un rayon lumineux sortant d'un point de départ dans un vaste espace multidimensionnel. L'interaction cible définit la direction de ce rayon. L'ensemble de toutes les interactions qui peuvent être créées par les impulsions disponibles forme une forme géométrique spécifique, que les chercheurs appellent un polytope. La simulation la plus rapide correspond au point où ce rayon touche pour la première fois la surface de cette forme. Si le rayon frappe la forme rapidement, la simulation est rapide ; s'il doit voyager loin, la simulation est lente. Les chercheurs ont prouvé que trouver ce point exact est mathématiquement impossible à résoudre parfaitement pour de grands systèmes dans un délai raisonnable. C'est une difficulté connue en informatique, ce qui signifie que pour toute application pratique, il faut se contenter d'une très bonne approximation plutôt que d'une réponse parfaite.

Pour surmonter cela, l'équipe a conçu un contournement ingénieux. Au lieu d'essayer de frapper la forme exacte, ils ont relaxé le problème vers une forme plus lisse et plus simple qui entoure l'originale. Ils ont ensuite utilisé une technique mathématique pour courber la trajectoire du rayon de recherche afin que, lorsque nous choisirons finalement des impulsions spécifiques de cette forme relaxée, le résultat retombe exactement là où il le faut. Ce processus génère ce qu'ils appellent des impulsions « informées » — des séquences de contrôle qui ne sont pas choisies au hasard mais sont calculées sur la base des détails spécifiques du système et de la cible. Ces impulsions informées sont ensuite injectées dans un outil d'optimisation standard pour déterminer le timing et l'ordre finaux.

Les chercheurs ont testé cette méthode sur trois types distincts de systèmes quantiques. D'abord, ils ont examiné les systèmes de qubits standards, qui sont la base de la plupart des ordinateurs quantiques actuels. Ils ont comparé leur nouvelle méthode aux techniques existantes utilisant l'échantillonnage aléatoire d'impulsions. Dans ces tests, leur approche informée a systématiquement trouvé des solutions bien plus rapides, atteignant souvent à quelques pourcents du meilleur temps théorique. En revanche, les anciennes méthodes aléatoires nécessitaient souvent beaucoup plus de temps, surtout à mesure que la complexité de la simulation cible augmentait.

Ensuite, ils ont appliqué la méthode aux qudits, des unités quantiques possédant plus de deux états, offrant un ensemble de possibilités plus riche. Ici, le défi était encore plus grand car les interactions impliquaient des nombres complexes. Leur algorithme a réussi à naviguer dans ces complexités, trouvant des séquences d'impulsions presque optimales. Les résultats ont montré que leur méthode pouvait s'adapter à la structure spécifique de la cible, là où les méthodes aléatoires échouaient à s'améliorer même lorsque le matériel permettait un contrôle plus fin.

Enfin, ils ont testé l'approche sur des systèmes fermioniques, utilisés pour modéliser les électrons dans les matériaux. Il s'agit d'un cas particulièrement difficile car les interactions impliquent des particules qui ne peuvent pas occuper le même état. Ils ont utilisé un modèle connu sous le nom de modèle de Hofstadter, qui décrit les électrons se déplaçant sur une grille dans un champ magnétique. Dans ce scénario, la différence entre leur méthode et l'ancienne approche aléatoire était flagrante. La méthode aléatoire nécessitait un temps de simulation qui croissait linéairement avec la taille de la grille ; à mesure que la grille devenait plus grande, la simulation prenait proportionnellement plus de temps. Leur méthode informée, cependant, a trouvé des solutions où le temps restait constant quel que soit la taille de la grille. Cela signifie que pour les simulations à grande échelle de matériaux, leur approche pourrait être orders de grandeur plus rapide, rendant soudainement faisables des simulations auparavant impraticables.

La portée de ces découvertes dépasse la simple vitesse. Dans la simulation quantique, le temps de fonctionnement d'un système est directement lié à la quantité de bruit qu'il accumule. Une simulation plus rapide signifie moins de bruit et un résultat plus précis. De plus, dans le contexte de la simulation de particules en interaction, la vitesse de la simulation détermine la force des interactions qui peuvent être ingéniées. Une méthode plus rapide permet aux scientifiques de simuler des interactions plus fortes que ce que le matériel peut supporter naturellement, ouvrant la voie à l'étude de nouvelles phases de la matière. Les chercheurs ont également montré que leur méthode est robuste ; même si les impulsions de contrôle ne sont pas parfaites ou prennent un temps fini pour s'exécuter, l'algorithme peut s'ajuster pour supprimer ces erreurs sans perdre son avantage de vitesse.

En unifiant le traitement des qubits, des qudits et des fermions sous un cadre géométrique unique, ce travail fournit un nouvel outil puissant pour la programmation automatique des simulateurs quantiques. Il fait passer le domaine du tâtonnement ou du hasard vers une approche systématique et mathématiquement fondée. Bien que la méthode repose sur des approximations car la solution parfaite est hors de portée computationnelle, les résultats démontrent que ces approximations sont incroyablement serrées. Les algorithmes délivrent systématiquement des performances quasi optimales, suggérant que les limites théoriques de ce qui peut être simulé sont beaucoup plus proches de ce qui est réalisable que ce que l'on pensait auparavant. Ce progrès rapproche un peu plus le rêve d'utiliser des dispositifs quantiques pour résoudre des problèmes du monde réel en chimie et en science des matériaux.